开始学习¶
Dive into LLMs 更像一组实践专题，不是从零开始的传统教材。建议先补齐第 0 章，再按兴趣和依赖关系推进。
第 0 章：共同基础¶
- AI、机器学习与深度学习的关系
- Token、Embedding 与上下文窗口
- Attention、Q/K/V 与 Transformer Block
- 训练、微调、推理和评估的区别
- Python、PyTorch 与 Hugging Face 的基本角色
第一阶段：核心实践¶
- 预训练语言模型微调与部署
- Prompt Learning 与思维链
- 数学推理
- 多模态模型
- GUI / LLM Agent
第二阶段：研究专题¶
- 知识编辑
- 模型水印与隐写
- 越狱与 Agent 安全
- RLHF / PPO 安全对齐
每个主题的完成标准¶
- 能用自己的话解释核心概念
- 能指出输入、输出和关键依赖
- 至少运行或阅读一个实验
- 记录一个踩坑点或待确认问题
- 把结论更新到团队笔记